搜狗推“個性化語音識別”，將顛覆與改變未來人機交互模式

　 阿里云優(yōu)惠券 先領券再下單

專業(yè)機構發(fā)布《2019年語音技術》報告稱，語音將成為未來十年決定性主題之一，與人工智能一起從根本上改變人與機器的關系。近日，搜狗輸入法在語音輸入領域率先推出“個性化語音識別”功能，突破語音識別技術瓶頸，大幅優(yōu)化個人詞匯錄入的直接準確性，在語音輸入領域實現(xiàn)“更懂用戶”。

搜狗“個性化語音識別”打造用戶專屬輸入法

在日常交流中，個人口頭禪、慣用語經(jīng)常會干擾雙方的信息傳達，這一問題在人機語音交互中尤為凸顯。在語音輸入時，往往用戶只是想錄入一個名稱，輸入結果卻顯示的是音同意不同的另一項結果。比如，當用戶希望輸入法顯示人名“憑遠”時，通用的語音識別往往將大眾常用的“平原、品源”列在前列的候選詞匯，用戶的個性化內容并不在其中。除此之外，用戶習慣使用的個人詞匯，以及一些多音字、讀音差錯也會對語音識別結果造成影響。

基于以上原因，搜狗語音率先對語音識別技術進行了革新優(yōu)化，推出“個性化語音識別”服務。經(jīng)過本輪更新，用戶只需在搜狗輸入法App選擇一鍵登錄個人賬戶，即可體驗此項服務。成功開啟后，“個性化語音識別”會通過強化學習用戶習慣使用的個人詞匯，為每個用戶建立定制化語音輸入法。此后，在用戶需要進行語音輸入時，輸入法會根據(jù)語言環(huán)境，結合上下段落語句進行分析，快速輸出符合用戶心意的文本內容，有效減少用戶手動進行二次更改的頻率。

搜狗語音又誕生“黑科技”語音識別更精準

搜狗“個性化語音識別”不僅可有效提升用戶個性化詞句的識別準確率，同時全自動詞庫學習這一特色極大保證了系統(tǒng)的處理及反饋速度，實現(xiàn)整個學習個性化特征的過程在“毫秒級別”就可以全部自動完成。

通過DTSS（Deep Transformer-based Sequence to Sequence model）的端到端聲學模型、神經(jīng)網(wǎng)絡語言模型和智能標點預測等技術，搜狗輸入法引入前沿深度學習技術，對語音識別進行仿真模擬和訓練，有效提高語音錄入在通用場景下的識別準確性，精準度已達到領先業(yè)內。“個性化語音識別”可基于用戶數(shù)據(jù)分析，對用戶習慣使用的個性化詞組進行掃描記錄，在語音輸入時，優(yōu)先選擇用戶習慣用語進行文本輸出。通過此項技術革新，在保障通用識別準確性的前提下，使用戶常用語的字詞錯誤率下降40%，攻克語音識別精準化的技術難關。

掌控AI從個性化語音識別開始

手和舌頭是人類最靈活的兩個部分，從移動智能設備發(fā)展以來，各種觸控交互無不依賴于手的操作。而當語音技術和人工智能同時走向成熟時，或許就像《2019語音技術報告》中所描述的那樣：語音交互扭轉了以往人機交互的存在形態(tài)，用戶與設備間基于語音交互的全新關系開始搭建，與之前互聯(lián)網(wǎng)向移動互聯(lián)網(wǎng)過渡一樣，其對底層平臺的全新需求也在醞釀當中。

新時代即將來臨，為應對人工智能、虛擬現(xiàn)實等技術的革新以及不同維度、多場景使用的需要，用戶輸入法的使用習慣逐漸向語音輸入轉移。同時，與文本輸入相比，語音輸入注定成為最主要的人機互動接口。優(yōu)化語音識別技術，為用戶提供更自然、更便利、更高效的語音錄入服務，是智慧輸入法的發(fā)展趨勢。

隨著語音識別技術的不斷成熟，以及用戶個性化詞庫的不斷豐富，搜狗將聚合用戶級語音個性化資源，實現(xiàn)“定制化語音輸入法”。使每個用戶基于“定制版”、“更懂自己”的搜狗語音識別的支持，在日常生活以及醫(yī)療、法律等專業(yè)領域，有效提高線上交流和人機溝通的效率及準確度，或將成為人工智能時代輸入端的全局掌控者。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！